TEDGlobal 2012
Shyam Sankar: The rise of human-computer cooperation
Shyam Sankar: De opkomst van mens-computersamenwerking
Filmed:
Readability: 6.3
947,418 views
Brute rekenkracht alleen zal de problemen in de wereld niet kunnen oplossen. Datamining-vernieuwer Shyam Sankar legt uit waarom het oplossen van grote problemen (zoals het oppakken van terroristen of het identificeren van grote verborgen trends) geen kwestie is van het vinden van het juiste algoritme, maar eerder van de juiste symbiotische relatie tussen de computer gebruiken en de menselijke creativiteit.
Shyam Sankar - Data Intelligence Agent
An advocate of human-computer symbiosis, Shyam Sankar looks for clues in big and disparate data sets. Full bio
An advocate of human-computer symbiosis, Shyam Sankar looks for clues in big and disparate data sets. Full bio
Double-click the English transcript below to play the video.
00:16
I'd like to tell you about two games of chess.
0
512
2556
Ik zou je graag wat vertellen over twee schaakwedstrijden.
00:18
The first happened in 1997, in which Garry Kasparov,
1
3068
3864
De eerste ging door in 1997.
00:22
a human, lost to Deep Blue, a machine.
2
6932
3716
Garry Kasparov, een mens,
verloor van Deep Blue, een machine.
verloor van Deep Blue, een machine.
00:26
To many, this was the dawn of a new era,
3
10648
2240
Voor velen was dit het begin van een nieuw tijdperk
00:28
one where man would be dominated by machine.
4
12888
2779
waarin de mens gedomineerd zou worden
door de machine.
door de machine.
00:31
But here we are, 20 years on, and the greatest change
5
15667
3334
Maar hier staan we, 20 jaar later,
en de grootste verandering
en de grootste verandering
00:34
in how we relate to computers is the iPad,
6
19001
2690
in hoe we ons verhouden tot computers
00:37
not HAL.
7
21691
2045
is de iPad, niet HAL.
00:39
The second game was a freestyle chess tournament
8
23736
2648
De tweede wedstrijd
was een toernooi in vrije stijl in 2005,
was een toernooi in vrije stijl in 2005,
00:42
in 2005, in which man and machine could enter together
9
26384
2969
waarbij mens en machine,
als ze dat wilden,
als ze dat wilden,
00:45
as partners, rather than adversaries, if they so chose.
10
29353
4666
als partners mochten samenwerken
in plaats van als tegenstanders.
in plaats van als tegenstanders.
00:49
At first, the results were predictable.
11
34019
1851
In het begin waren de resultaten voorspelbaar.
00:51
Even a supercomputer was beaten by a grandmaster
12
35870
2497
Zelfs een supercomputer werd verslagen
door een grootmeester
door een grootmeester
00:54
with a relatively weak laptop.
13
38367
2312
met een relatief zwakke laptop.
00:56
The surprise came at the end. Who won?
14
40679
2985
De verrassing kwam aan het einde.
Wie won?
Wie won?
00:59
Not a grandmaster with a supercomputer,
15
43664
2776
Niet een schaker met een supercomputer
01:02
but actually two American amateurs
16
46440
1493
maar eigenlijk twee Amerikaanse amateurs
01:03
using three relatively weak laptops.
17
47933
3822
met behulp van drie relatief zwakke laptops.
01:07
Their ability to coach and manipulate their computers
18
51755
2596
Zij coachten en manipuleerden
hun computers
hun computers
01:10
to deeply explore specific positions
19
54351
2435
om specifieke posities
diepgaand te verkennen.
diepgaand te verkennen.
01:12
effectively counteracted the superior chess knowledge
20
56786
2390
Dat overtrof de superieure schaakkennis
01:15
of the grandmasters and the superior computational power
21
59176
2609
van de grootmeesters
en de superieure rekenkracht
en de superieure rekenkracht
01:17
of other adversaries.
22
61785
1909
van de andere tegenstanders.
01:19
This is an astonishing result: average men,
23
63694
2905
Dit is een verbazingwekkend resultaat:
middelmatige mannen
middelmatige mannen
01:22
average machines beating the best man, the best machine.
24
66599
4081
met middelmatige machines
verslaan de beste man en de beste machine.
verslaan de beste man en de beste machine.
01:26
And anyways, isn't it supposed to be man versus machine?
25
70680
3199
En ging het overigens niet om man tegen machine?
01:29
Instead, it's about cooperation, and the right type of cooperation.
26
73879
4152
In plaats daarvan gaat het om samenwerking,
en het juiste type samenwerking.
en het juiste type samenwerking.
01:33
We've been paying a lot of attention to Marvin Minsky's
27
78031
2857
We hebben in de afgelopen 50 jaar
wat teveel aandacht geschonken
wat teveel aandacht geschonken
01:36
vision for artificial intelligence over the last 50 years.
28
80888
3242
aan de visie van Marvin Minsky
over kunstmatige intelligentie.
over kunstmatige intelligentie.
01:40
It's a sexy vision, for sure. Many have embraced it.
29
84130
2262
Een sexy visie, dat wel.
Velen vielen ervoor.
Velen vielen ervoor.
01:42
It's become the dominant school of thought in computer science.
30
86392
2753
Het werd het dominante denkraam in de informatica.
01:45
But as we enter the era of big data, of network systems,
31
89145
3072
Maar nu we het tijdperk van big data,
van netwerksystemen
van netwerksystemen
01:48
of open platforms, and embedded technology,
32
92217
2698
van open platforms
en ingebedde technologie betreden,
en ingebedde technologie betreden,
01:50
I'd like to suggest it's time to reevaluate an alternative vision
33
94915
3392
vind ik dat we een alternatieve visie
opnieuw moeten gaan bekijken.
opnieuw moeten gaan bekijken.
01:54
that was actually developed around the same time.
34
98307
3070
Die werd rond dezelfde tijd ontwikkeld.
01:57
I'm talking about J.C.R. Licklider's human-computer symbiosis,
35
101377
3332
Ik heb het over de mens-computersymbiose
van J.C.R. Licklider,
van J.C.R. Licklider,
02:00
perhaps better termed "intelligence augmentation," I.A.
36
104709
3808
misschien beter ‘Intelligentie Augmentatie’
of I.A. genoemd.
of I.A. genoemd.
02:04
Licklider was a computer science titan who had a profound
37
108517
2640
Licklider was een reus van de computerwetenschap
met een diepgaande invloed
met een diepgaande invloed
02:07
effect on the development of technology and the Internet.
38
111157
3006
op de ontwikkeling van de technologie
en het internet.
en het internet.
02:10
His vision was to enable man and machine to cooperate
39
114163
2868
Zijn visie bestond erin
om mens en machine te laten samenwerken
om mens en machine te laten samenwerken
02:12
in making decisions, controlling complex situations
40
117031
3590
bij besluitvorming,
controle van complexe situaties
controle van complexe situaties
02:16
without the inflexible dependence
41
120621
1770
zonder de rigide afhankelijkheid
02:18
on predetermined programs.
42
122391
2533
van vooraf bepaalde programma's.
02:20
Note that word "cooperate."
43
124924
2498
Let op het woord ‘samenwerken’.
02:23
Licklider encourages us not to take a toaster
44
127422
2747
Licklider moedigt ons niet aan
om van een broodrooster
om van een broodrooster
02:26
and make it Data from "Star Trek,"
45
130169
2284
Data uit ‘Star Trek’ te maken,
02:28
but to take a human and make her more capable.
46
132453
3535
maar om een mens capabeler te maken.
02:31
Humans are so amazing -- how we think,
47
135988
1911
Wij mensen zijn zo geweldig in hoe wij denken,
02:33
our non-linear approaches, our creativity,
48
137899
2618
onze niet-lineaire benaderingen, onze creativiteit
02:36
iterative hypotheses, all very difficult if possible at all
49
140517
2131
en iteratieve hypothesen.
Dat is allemaal zeer moeilijk
Dat is allemaal zeer moeilijk
02:38
for computers to do.
50
142648
1345
of zelfs onmogelijk voor computers.
02:39
Licklider intuitively realized this, contemplating humans
51
143993
2452
Licklider besefte intuïtief dat de denkende mens
02:42
setting the goals, formulating the hypotheses,
52
146445
2327
de doelstellingen uitzet,
hypothesen formuleert,
hypothesen formuleert,
02:44
determining the criteria, and performing the evaluation.
53
148772
3376
criteria bepaalt en de evaluatie uitvoert.
02:48
Of course, in other ways, humans are so limited.
54
152148
1775
Op andere punten zijn mensen natuurlijk erg beperkt.
02:49
We're terrible at scale, computation and volume.
55
153923
3235
We zijn erg slecht wat grootte,
rekenen en massa werk aangaat.
rekenen en massa werk aangaat.
02:53
We require high-end talent management
56
157158
1836
Wij hebben een uitgebreid talentmanagement nodig
02:54
to keep the rock band together and playing.
57
158994
2064
om de rockband te laten spelen.
02:56
Licklider foresaw computers doing all the routinizable work
58
161058
2204
Licklider voorzag dat computers
al het routinewerk zouden doen
al het routinewerk zouden doen
02:59
that was required to prepare the way for insights and decision making.
59
163262
3276
als voorbereiding
op inzicht en besluitvorming.
op inzicht en besluitvorming.
03:02
Silently, without much fanfare,
60
166538
2224
Stil, zonder veel fanfare,
03:04
this approach has been compiling victories beyond chess.
61
168762
3354
heeft deze aanpak overwinningen
op elkaar gestapeld, veel verdergaand dan schaken.
op elkaar gestapeld, veel verdergaand dan schaken.
03:08
Protein folding, a topic that shares the incredible expansiveness of chess —
62
172116
3356
‘Eiwitvouwing’ is een onderwerp
met dezelfde ongelooflijke expansiviteit als schaken.
met dezelfde ongelooflijke expansiviteit als schaken.
03:11
there are more ways of folding a protein than there are atoms in the universe.
63
175472
3042
Er zijn meer manieren om een eiwit op te vouwen
dan dat er atomen zijn in het heelal.
dan dat er atomen zijn in het heelal.
03:14
This is a world-changing problem with huge implications
64
178514
2353
Dit is een wereldveranderend probleem
met grote impact
met grote impact
03:16
for our ability to understand and treat disease.
65
180867
2308
op het begrijpen en behandelen van ziekten.
03:19
And for this task, supercomputer field brute force simply isn't enough.
66
183175
4248
Maar voor deze taak
is brute supercomputerkracht alleen niet voldoende.
is brute supercomputerkracht alleen niet voldoende.
03:23
Foldit, a game created by computer scientists,
67
187423
2384
Foldit, een spel gemaakt door computerwetenschappers,
03:25
illustrates the value of the approach.
68
189807
2502
illustreert de waarde van deze aanpak.
03:28
Non-technical, non-biologist amateurs play a video game
69
192309
3041
Amateurs die geen technici of biologen zijn,
spelen een videospel
spelen een videospel
03:31
in which they visually rearrange the structure of the protein,
70
195350
3073
waarin ze de structuur van het eiwit visueel herschikken
03:34
allowing the computer to manage the atomic forces
71
198423
1499
waarbij de computer de atomaire krachten
03:35
and interactions and identify structural issues.
72
199922
2957
en de interacties beheert
en de structurele problemen identificeert.
en de structurele problemen identificeert.
03:38
This approach beat supercomputers 50 percent of the time
73
202879
3023
Deze aanpak verslaat supercomputers
één keer op twee
één keer op twee
03:41
and tied 30 percent of the time.
74
205902
2584
en in 30 procent van de tijd.
03:44
Foldit recently made a notable and major scientific discovery
75
208486
3137
Foldit deed onlangs een opmerkelijke
en grote wetenschappelijke ontdekking
en grote wetenschappelijke ontdekking
03:47
by deciphering the structure of the Mason-Pfizer monkey virus.
76
211623
3160
door de structuur
van het Mason-Pfizer-aapvirus te ontcijferen.
van het Mason-Pfizer-aapvirus te ontcijferen.
03:50
A protease that had eluded determination for over 10 years
77
214783
3015
Een protease dat in 10 jaar
niet kon worden ontcijferd,
niet kon worden ontcijferd,
03:53
was solved was by three players in a matter of days,
78
217798
2626
werd door drie spelers in enkele dagen opgelost,
03:56
perhaps the first major scientific advance
79
220424
2025
misschien de eerste
belangrijke wetenschappelijke vooruitgang
belangrijke wetenschappelijke vooruitgang
03:58
to come from playing a video game.
80
222449
2323
door een videogame te spelen.
04:00
Last year, on the site of the Twin Towers,
81
224772
2181
Vorig jaar werd op de site van de Twin Towers
04:02
the 9/11 memorial opened.
82
226953
1473
het 9/11-gedenkteken onthuld.
04:04
It displays the names of the thousands of victims
83
228426
2721
Dat toont de namen van de duizenden slachtoffers
04:07
using a beautiful concept called "meaningful adjacency."
84
231147
3063
door een mooi concept,
‘zinvolle nabijheid’ genaamd.
‘zinvolle nabijheid’ genaamd.
04:10
It places the names next to each other based on their
85
234210
2166
Het plaatst de namen naast elkaar op basis
04:12
relationships to one another: friends, families, coworkers.
86
236376
2213
van hun relatie tot elkaar:
vrienden, familie, collega's.
vrienden, familie, collega's.
04:14
When you put it all together, it's quite a computational
87
238589
3028
Dat is nogal een computationele uitdaging:
04:17
challenge: 3,500 victims, 1,800 adjacency requests,
88
241617
4223
3.500 slachtoffers, 1.800 nabijheidsverzoeken,
04:21
the importance of the overall physical specifications
89
245840
3092
het belang van de algemene fysische specificaties
04:24
and the final aesthetics.
90
248932
2137
en de uiteindelijke esthetiek.
04:26
When first reported by the media, full credit for such a feat
91
251069
2615
Door de media werd het volledige krediet
voor deze prestatie
voor deze prestatie
04:29
was given to an algorithm from the New York City
92
253684
1892
gegeven aan een algoritme
van het ontwerpbureau Lokale Projecten
van het ontwerpbureau Lokale Projecten
04:31
design firm Local Projects. The truth is a bit more nuanced.
93
255576
4001
van New York City.
De waarheid is een beetje genuanceerder.
De waarheid is een beetje genuanceerder.
04:35
While an algorithm was used to develop the underlying framework,
94
259577
2871
Voor de ontwikkeling van het onderliggende
raamwerk werd een algoritme gebruikt .
raamwerk werd een algoritme gebruikt .
04:38
humans used that framework to design the final result.
95
262448
3008
Dat raamwerk gebruikten mensen
voor het ontwerpen van het eindresultaat.
voor het ontwerpen van het eindresultaat.
04:41
So in this case, a computer had evaluated millions
96
265456
2225
In dit geval had een computer
04:43
of possible layouts, managed a complex relational system,
97
267681
3335
miljoenen mogelijke indelingen geëvalueerd,
een complex relationeel systeem beheerd
een complex relationeel systeem beheerd
04:46
and kept track of a very large set of measurements
98
271016
2414
en een zeer groot aantal metingen
04:49
and variables, allowing the humans to focus
99
273430
2410
en variabelen bijgehouden,
waardoor mensen zich konden concentreren
waardoor mensen zich konden concentreren
04:51
on design and compositional choices.
100
275840
2802
op ontwerp en compositorische keuzen.
04:54
So the more you look around you,
101
278642
1036
Dus hoe meer je om je heen kijkt,
04:55
the more you see Licklider's vision everywhere.
102
279678
1962
hoe meer je Lickliders visie overal tegenkomt.
04:57
Whether it's augmented reality in your iPhone or GPS in your car,
103
281640
3304
Of het nu verhoogde realiteit is op je iPhone
of GPS in je auto
of GPS in je auto
05:00
human-computer symbiosis is making us more capable.
104
284944
2970
de mens-computersymbiose
vergroot onze mogelijkheden.
vergroot onze mogelijkheden.
05:03
So if you want to improve human-computer symbiosis,
105
287914
1655
Als je de mens-computersymbiose wilt verbeteren,
05:05
what can you do?
106
289569
1429
wat kun je dan doen?
05:06
You can start by designing the human into the process.
107
290998
2452
Je kunt beginnen met de mens
in het proces te betrekken.
in het proces te betrekken.
05:09
Instead of thinking about what a computer will do to solve the problem,
108
293450
2204
In plaats van na te denken over wat een computer
zal doen om het probleem op te lossen,
zal doen om het probleem op te lossen,
05:11
design the solution around what the human will do as well.
109
295654
3869
ontwerp je de oplossing
rond wat de mens even goed kan doen.
rond wat de mens even goed kan doen.
05:15
When you do this, you'll quickly realize that you spent
110
299523
1937
Wanneer je dit doet,
zul je snel beseffen
zul je snel beseffen
05:17
all of your time on the interface between man and machine,
111
301460
2879
dat je al je tijd steekt
in de interface tussen mens en machine,
in de interface tussen mens en machine,
05:20
specifically on designing away the friction in the interaction.
112
304339
3099
specifiek erop gericht
om de 'wrijving' in de interactie ‘weg te ontwerpen’.
om de 'wrijving' in de interactie ‘weg te ontwerpen’.
05:23
In fact, this friction is more important than the power
113
307438
2766
In feite is deze wrijving belangrijker dan de kracht
05:26
of the man or the power of the machine
114
310204
2052
van de mens of de kracht van de machine
05:28
in determining overall capability.
115
312256
1931
bij het bepalen van het gehele vermogen.
05:30
That's why two amateurs with a few laptops
116
314187
1977
Daarom konden twee amateurs met een paar laptops
05:32
handily beat a supercomputer and a grandmaster.
117
316164
2456
gemakkelijk een supercomputer
en een grootmeester verslaan bij het schaken.
en een grootmeester verslaan bij het schaken.
05:34
What Kasparov calls process is a byproduct of friction.
118
318620
3005
Wat Kasparov een proces noemt,
is een bijproduct van die wrijving.
is een bijproduct van die wrijving.
05:37
The better the process, the less the friction.
119
321625
2401
Hoe beter het proces,
hoe kleiner de wrijving.
hoe kleiner de wrijving.
05:39
And minimizing friction turns out to be the decisive variable.
120
324026
4256
Het minimaliseren van die wrijving
blijkt de beslissende variabele te zijn.
blijkt de beslissende variabele te zijn.
05:44
Or take another example: big data.
121
328282
2243
Of neem een ander voorbeeld: ‘big data’.
05:46
Every interaction we have in the world is recorded
122
330525
1906
Steeds meer interacties in de wereld
worden geregistreerd
worden geregistreerd
05:48
by an ever growing array of sensors: your phone,
123
332431
3059
door een groeiend aantal sensoren:
je telefoon,
je telefoon,
05:51
your credit card, your computer. The result is big data,
124
335490
2373
je creditcard, je computer.
Het resultaat is ‘big data’,
Het resultaat is ‘big data’,
05:53
and it actually presents us with an opportunity
125
337863
1742
en biedt ons een mogelijkheid
05:55
to more deeply understand the human condition.
126
339605
2662
een dieper inzicht te krijgen
in de menselijke conditie.
in de menselijke conditie.
05:58
The major emphasis of most approaches to big data
127
342267
2305
De belangrijkste nadruk
op de meeste benaderingen van big data ligt op:
op de meeste benaderingen van big data ligt op:
06:00
focus on, "How do I store this data? How do I search
128
344572
2215
"Hoe kan ik deze gegevens opslaan?
06:02
this data? How do I process this data?"
129
346787
2276
Hoe kan ik deze gegevens doorzoeken?
Hoe kan ik deze gegevens verwerken?"
Hoe kan ik deze gegevens verwerken?"
06:04
These are necessary but insufficient questions.
130
349063
2204
Dat zijn nuttige vragen, maar ze volstaan niet.
06:07
The imperative is not to figure out how to compute,
131
351267
2471
Het gaat er niet om hoe te berekenen,
06:09
but what to compute. How do you impose human intuition
132
353738
2184
maar wat te berekenen.
Hoe combineer je menselijke intuïtie
Hoe combineer je menselijke intuïtie
06:11
on data at this scale?
133
355922
1791
met gegevens op deze schaal?
06:13
Again, we start by designing the human into the process.
134
357713
3499
Nogmaals, we beginnen
met de mens in het proces te integreren.
met de mens in het proces te integreren.
06:17
When PayPal was first starting as a business, their biggest
135
361212
2812
Toen PayPal net begon,
was hun grootste uitdaging niet:
was hun grootste uitdaging niet:
06:19
challenge was not, "How do I send money back and forth online?"
136
364024
2804
"Hoe kan ik geld online heen en weer verzenden?"
06:22
It was, "How do I do that without being defrauded by organized crime?"
137
366828
3872
Maar: "Hoe doe ik dat zonder dat ik door de georganiseerde misdaad word bedrogen?"
06:26
Why so challenging? Because while computers can learn
138
370700
2088
Waarom is dat zo moeilijk?
Computers kunnen leren
Computers kunnen leren
06:28
to detect and identify fraud based on patterns,
139
372788
3144
fraude op te sporen en te identificeren
op basis van patronen,
op basis van patronen,
06:31
they can't learn to do that based on patterns
140
375932
1479
zij kunnen dat niet doen op basis van patronen
06:33
they've never seen before, and organized crime
141
377411
2116
die ze nooit eerder hebben gezien.
De georganiseerde misdaad
De georganiseerde misdaad
06:35
has a lot in common with this audience: brilliant people,
142
379527
2709
heeft veel gemeen met dit publiek:
briljante mensen,
briljante mensen,
06:38
relentlessly resourceful, entrepreneurial spirit — (Laughter) —
143
382236
3640
meedogenloos vindingrijk,
ondernemingsgeest — (gelach) —
ondernemingsgeest — (gelach) —
06:41
and one huge and important difference: purpose.
144
385876
2712
en één enorm en belangrijk verschil: doelstelling.
06:44
And so while computers alone can catch all but the cleverest
145
388588
2832
Omdat computers de meeste,
maar niet de slimste fraudeurs kunnen vangen,
maar niet de slimste fraudeurs kunnen vangen,
06:47
fraudsters, catching the cleverest is the difference
146
391420
2253
betekent de slimste pakken
06:49
between success and failure.
147
393673
2545
het verschil tussen succes en mislukking.
06:52
There's a whole class of problems like this, ones with
148
396218
2221
Er is een hele klasse van problemen
06:54
adaptive adversaries. They rarely if ever present with a
149
398439
2575
met adaptieve tegenstanders.
Ze presenteren zich zelden of nooit
Ze presenteren zich zelden of nooit
06:56
repeatable pattern that's discernable to computers.
150
401014
2736
met een herhaalbaar patroon
dat computers er kunnen uitvissen.
dat computers er kunnen uitvissen.
06:59
Instead, there's some inherent component of innovation or disruption,
151
403750
3993
Ze komen steeds met nieuwe uitdagingen.
07:03
and increasingly these problems are buried in big data.
152
407743
2735
Steeds meer duiken deze problemen op bij big data.
07:06
For example, terrorism. Terrorists are always adapting
153
410478
2500
Neem nu terrorisme.
Terroristen passen zich
Terroristen passen zich
07:08
in minor and major ways to new circumstances, and despite
154
412978
2052
op allerlei manieren aan
aan nieuwe omstandigheden en ondanks alles
aan nieuwe omstandigheden en ondanks alles
07:10
what you might see on TV, these adaptations,
155
415030
3094
wat je ziet op tv,
zijn deze aanpassingen
zijn deze aanpassingen
07:14
and the detection of them, are fundamentally human.
156
418124
2293
en het opsporen ervan
fundamenteel menselijk.
fundamenteel menselijk.
07:16
Computers don't detect novel patterns and new behaviors,
157
420417
3117
Computers detecteren geen nieuwe patronen
en nieuw gedrag,
en nieuw gedrag,
07:19
but humans do. Humans, using technology, testing hypotheses,
158
423534
3235
maar mensen kunnen dit door machines laten doen
07:22
searching for insight by asking machines to do things for them.
159
426769
4620
door middel van technologie,
hypothesen en inzichten.
hypothesen en inzichten.
07:27
Osama bin Laden was not caught by artificial intelligence.
160
431389
2320
Osama bin Laden werd niet gepakt
door kunstmatige intelligentie.
door kunstmatige intelligentie.
07:29
He was caught by dedicated, resourceful, brilliant people
161
433709
2553
Hij werd gepakt door toegewijde,
vindingrijke, briljante mensen
vindingrijke, briljante mensen
07:32
in partnerships with various technologies.
162
436262
4269
in samenwerking met diverse technologieën.
07:36
As appealing as it might sound, you cannot algorithmically
163
440531
2818
Hoe aantrekkelijk het ook klinkt,
je kunt niet alleen algoritmisch
je kunt niet alleen algoritmisch
07:39
data mine your way to the answer.
164
443349
1601
het antwoord uit de gegevens krijgen.
07:40
There is no "Find Terrorist" button, and the more data
165
444950
2855
Er bestaat geen 'Vind de Terrorist'-knop.
Hoe meer gegevens
Hoe meer gegevens
07:43
we integrate from a vast variety of sources
166
447805
2302
we uit een grote verscheidenheid
van bronnen verzamelen
van bronnen verzamelen
07:46
across a wide variety of data formats from very
167
450107
2133
over een breed scala van dataformaten heen
07:48
disparate systems, the less effective data mining can be.
168
452240
3309
uit zeer verschillende systemen,
des te minder effectief wordt 'datamining'.
des te minder effectief wordt 'datamining'.
07:51
Instead, people will have to look at data
169
455549
2024
In plaats daarvan moeten mensen
de gegevens bekijken
de gegevens bekijken
07:53
and search for insight, and as Licklider foresaw long ago,
170
457573
3456
en zoeken naar inzicht en,
zoals Licklider lang geleden al voorzag,
zoals Licklider lang geleden al voorzag,
07:56
the key to great results here is the right type of cooperation,
171
461029
2685
is de sleutel tot goede resultaten
het juiste type van samenwerking.
het juiste type van samenwerking.
07:59
and as Kasparov realized,
172
463714
1524
En Kasparov realiseerde zich
08:01
that means minimizing friction at the interface.
173
465238
3031
dat dat minimaliseren
van wrijving aan de interface betekende.
van wrijving aan de interface betekende.
08:04
Now this approach makes possible things like combing
174
468269
2758
Deze aanpak maakt nu dingen mogelijk
08:06
through all available data from very different sources,
175
471027
3386
zoals alle beschikbare gegevens
uit uiteenlopende bronnen uitziften
uit uiteenlopende bronnen uitziften
08:10
identifying key relationships and putting them in one place,
176
474413
2792
- belangrijke verbanden identificeren en ze op één plaats samenbrengen,
08:13
something that's been nearly impossible to do before.
177
477205
2928
iets dat bijna onmogelijk op voorhand is te doen.
08:16
To some, this has terrifying privacy and civil liberties
178
480133
1942
Voor sommigen heeft dit angstaanjagende implicaties
08:17
implications. To others it foretells of an era of greater
179
482075
3410
voor de privacy en burgerlijke vrijheden.
Anderen voorspelt dit juist een tijdperk
Anderen voorspelt dit juist een tijdperk
08:21
privacy and civil liberties protections,
180
485485
1909
van meer privacy en bescherming
van burgerlijke vrijheden,
van burgerlijke vrijheden,
08:23
but privacy and civil liberties are of fundamental importance.
181
487394
2936
maar privacy en burgerlijke vrijheden
zijn van fundamenteel belang.
zijn van fundamenteel belang.
08:26
That must be acknowledged, and they can't be swept aside,
182
490330
2193
Dat moet worden erkend
en kan niet worden genegeerd,
en kan niet worden genegeerd,
08:28
even with the best of intents.
183
492523
2530
zelfs niet met de beste bedoelingen.
08:30
So let's explore, through a couple of examples, the impact
184
495053
2518
Laten we eens aan de hand van een paar voorbeelden nagaan welke impact
08:33
that technologies built to drive human-computer symbiosis
185
497571
2406
technologieën van mens-computersymbiose
08:35
have had in recent time.
186
499977
2919
in de afgelopen tijd hebben gehad.
08:38
In October, 2007, U.S. and coalition forces raided
187
502896
3416
In oktober 2007 overvielen Amerikaanse
en coalitietroepen
en coalitietroepen
08:42
an al Qaeda safe house in the city of Sinjar
188
506312
2416
een schuilplaats van al-Qaeda in de stad Sinjar
08:44
on the Syrian border of Iraq.
189
508728
1934
aan de Syrische grens met Irak.
08:46
They found a treasure trove of documents:
190
510662
2376
Ze vonden een schat aan documenten:
08:48
700 biographical sketches of foreign fighters.
191
513038
2335
700 biografische schetsen
van buitenlandse strijders.
van buitenlandse strijders.
08:51
These foreign fighters had left their families in the Gulf,
192
515373
2584
Deze buitenlandse strijders
verlieten hun families in de Golf,
verlieten hun families in de Golf,
08:53
the Levant and North Africa to join al Qaeda in Iraq.
193
517957
3146
de Levant en Noord-Afrika
om aan te sluiten bij al Qaeda in Irak.
om aan te sluiten bij al Qaeda in Irak.
08:57
These records were human resource forms.
194
521103
1616
Dit waren formulieren van menselijke hulpbronnen.
08:58
The foreign fighters filled them out as they joined the organization.
195
522719
2855
De buitenlandse strijders vulden ze in
als ze zich aansloten bij de organisatie.
als ze zich aansloten bij de organisatie.
09:01
It turns out that al Qaeda, too,
196
525574
1211
Blijkt dat ook al Qaeda
09:02
is not without its bureaucracy. (Laughter)
197
526785
2597
niet zonder bureaucratie kan. (Gelach)
09:05
They answered questions like, "Who recruited you?"
198
529382
2098
Zij beantwoordden vragen als:
"Wie heeft je aangeworven?",
"Wie heeft je aangeworven?",
09:07
"What's your hometown?" "What occupation do you seek?"
199
531480
2854
"Vanwaar ben je?",
"Wat wil je hier doen?"
"Wat wil je hier doen?"
09:10
In that last question, a surprising insight was revealed.
200
534334
3169
Die laatste vraag onthulde een verrassend inzicht.
09:13
The vast majority of foreign fighters
201
537503
2400
De overgrote meerderheid
van die buitenlandse strijders
van die buitenlandse strijders
09:15
were seeking to become suicide bombers for martyrdom --
202
539903
2400
wilden martelaars worden
met zelfmoordaanslagen -
met zelfmoordaanslagen -
09:18
hugely important, since between 2003 and 2007, Iraq
203
542303
4338
enorm belangrijk,
omdat tussen 2003 en 2007 er in Irak
omdat tussen 2003 en 2007 er in Irak
09:22
had 1,382 suicide bombings, a major source of instability.
204
546641
4244
1.382 zelfmoordaanslagen plaatsvonden,
een belangrijke bron van instabiliteit.
een belangrijke bron van instabiliteit.
09:26
Analyzing this data was hard. The originals were sheets
205
550885
2058
Deze gegevens waren moeilijk te analyseren.
De originelen waren
De originelen waren
09:28
of paper in Arabic that had to be scanned and translated.
206
552943
2742
documenten in het Arabisch
die gescand en vertaald moesten worden.
die gescand en vertaald moesten worden.
09:31
The friction in the process did not allow for meaningful
207
555685
2192
De wrijving in het proces gaf
in een operationeel tijdsbestek
in een operationeel tijdsbestek
09:33
results in an operational time frame using humans, PDFs
208
557877
3350
geen zinvolle resultaten
09:37
and tenacity alone.
209
561227
2218
met alleen maar mensen,
pdf's en inzet.
pdf's en inzet.
09:39
The researchers had to lever up their human minds
210
563445
1953
De onderzoekers moesten
het menselijke kunnen ondersteunen
het menselijke kunnen ondersteunen
09:41
with technology to dive deeper, to explore non-obvious
211
565398
2345
met technologie om dieper te graven,
om niet voor de hand liggende hypothesen
te verkennen.
om niet voor de hand liggende hypothesen
te verkennen.
09:43
hypotheses, and in fact, insights emerged.
212
567743
3218
En ja, inzichten kwamen bovendrijven.
09:46
Twenty percent of the foreign fighters were from Libya,
213
570961
2644
Twintig procent van de buitenlandse strijders
kwamen uit Libië,
kwamen uit Libië,
09:49
50 percent of those from a single town in Libya,
214
573605
2968
en 50 procent daarvan
weer van één enkele stad in Libië.
weer van één enkele stad in Libië.
09:52
hugely important since prior statistics put that figure at
215
576573
2450
Dat is enorm belangrijk
omdat voorafgaande statistieken
omdat voorafgaande statistieken
09:54
three percent. It also helped to hone in on a figure
216
579023
2383
dat cijfer op drie procent hadden geschat.
Het hielp ook om te focussen op één figuur
Het hielp ook om te focussen op één figuur
09:57
of rising importance in al Qaeda, Abu Yahya al-Libi,
217
581406
2977
van stijgend belang in al-Qaeda,
Abu Yahya al-Libi,
Abu Yahya al-Libi,
10:00
a senior cleric in the Libyan Islamic fighting group.
218
584383
2631
een hogere geestelijke
in de Libische islamitische gevechtsgroep.
in de Libische islamitische gevechtsgroep.
10:02
In March of 2007, he gave a speech, after which there was
219
587014
2664
In maart 2007 gaf hij een toespraak,
10:05
a surge in participation amongst Libyan foreign fighters.
220
589678
3466
waarna de participatie
van Libische buitenlandse strijders toenam.
van Libische buitenlandse strijders toenam.
10:09
Perhaps most clever of all, though, and least obvious,
221
593144
3106
Misschien wel het slimst van alles,
en het minst voor de hand liggend,
en het minst voor de hand liggend,
10:12
by flipping the data on its head, the researchers were
222
596250
2073
was de gegevens op hun kop zetten.
Daardoor konden de onderzoekers
Daardoor konden de onderzoekers
10:14
able to deeply explore the coordination networks in Syria
223
598323
2900
de coördinatienetwerken in Syrië verkennen
10:17
that were ultimately responsible for receiving and
224
601223
2517
die uiteindelijk verantwoordelijk
waren voor de opvang en
waren voor de opvang en
10:19
transporting the foreign fighters to the border.
225
603740
2464
het vervoer van buitenlandse strijders
naar de grens.
naar de grens.
10:22
These were networks of mercenaries, not ideologues,
226
606204
2633
Dat waren netwerken van huurlingen,
geen ideologen,
geen ideologen,
10:24
who were in the coordination business for profit.
227
608837
2398
die zich met de coördinatie bezighielden
voor het geld.
voor het geld.
10:27
For example, they charged Saudi foreign fighters
228
611235
1904
Ze lieten bijvoorbeeld
Saoedische buitenlandse strijders
Saoedische buitenlandse strijders
10:29
substantially more than Libyans, money that would have
229
613139
2199
aanzienlijk meer betalen dan de Libiërs,
10:31
otherwise gone to al Qaeda.
230
615338
2320
geld dat anders
naar al Qaeda zou zijn gegaan.
naar al Qaeda zou zijn gegaan.
10:33
Perhaps the adversary would disrupt their own network
231
617658
2045
Misschien zou de tegenstander
hun eigen netwerk verstoren
hun eigen netwerk verstoren
10:35
if they knew they cheating would-be jihadists.
232
619703
3035
als ze wisten
dat ze would-be jihadisten bedrogen.
dat ze would-be jihadisten bedrogen.
10:38
In January, 2010, a devastating 7.0 earthquake struck Haiti,
233
622738
3745
In januari 2010 trof
een verwoestende 7,0-aardbeving Haïti,
een verwoestende 7,0-aardbeving Haïti,
10:42
third deadliest earthquake of all time, left one million people,
234
626483
2916
de derde dodelijkste aardbeving ooit.
Een miljoen mensen,
Een miljoen mensen,
10:45
10 percent of the population, homeless.
235
629399
2584
10 procent van de bevolking,
verloor zijn huis.
verloor zijn huis.
10:47
One seemingly small aspect of the overall relief effort
236
631983
3137
Een schijnbaar klein aspect
van de hele hulpverlening
van de hele hulpverlening
10:51
became increasingly important as the delivery of food
237
635120
2176
werd steeds belangrijker
naarmate de levering
naarmate de levering
10:53
and water started rolling.
238
637296
2160
van voedsel en water op gang kwam.
10:55
January and February are the dry months in Haiti,
239
639456
1458
Januari en februari zijn de droge maanden in Haïti,
10:56
yet many of the camps had developed standing water.
240
640914
2942
maar in veel kampen
bleven plassen stilstaand water achter.
bleven plassen stilstaand water achter.
10:59
The only institution with detailed knowledge of Haiti's
241
643856
2122
De enige instelling met gedetailleerde kennis
11:01
floodplains had been leveled
242
645978
1297
van Haïti's overstromingsgebieden
11:03
in the earthquake, leadership inside.
243
647275
3008
was bij de aardbeving ingestort,
met de directie erin.
met de directie erin.
11:06
So the question is, which camps are at risk,
244
650283
2575
Men wist niet welke kampen bedreigd werden,
11:08
how many people are in these camps, what's the
245
652858
1921
hoeveel mensen er in die kampen waren,
11:10
timeline for flooding, and given very limited resources
246
654779
2311
wanneer er weer overstromingen konden komen,
en gezien de zeer beperkte middelen
en gezien de zeer beperkte middelen
11:12
and infrastructure, how do we prioritize the relocation?
247
657090
3384
en infrastructuur:
welke verplaatsingen moesten prioriteit krijgen?
welke verplaatsingen moesten prioriteit krijgen?
11:16
The data was incredibly disparate. The U.S. Army had
248
660474
2344
De gegevens waren ongelooflijk divers.
Het Amerikaanse leger beschikte
Het Amerikaanse leger beschikte
11:18
detailed knowledge for only a small section of the country.
249
662818
2929
voor slechts een klein deel van het land
over gedetailleerde kennis.
over gedetailleerde kennis.
11:21
There was data online from a 2006 environmental risk
250
665747
2511
Er bestonden onlinegegevens
van de conferentie van 2006 over milieurisico's
van de conferentie van 2006 over milieurisico's
11:24
conference, other geospatial data, none of it integrated.
251
668258
2664
en andere georuimtelijke gegevens,
maar niets van dat alles geïntegreerd.
maar niets van dat alles geïntegreerd.
11:26
The human goal here was to identify camps for relocation
252
670922
2958
Het humanitaire doel was
om kampen voor verplaatsing te identificeren,
om kampen voor verplaatsing te identificeren,
11:29
based on priority need.
253
673880
2395
gebaseerd op prioritaire noodzaak.
11:32
The computer had to integrate a vast amount of geospacial
254
676275
2440
De computer moest een enorme hoeveelheid georuimtelijke informatie integreren
11:34
information, social media data and relief organization
255
678715
2584
met gegevens van sociale media
en informatie over hulporganisatie
en informatie over hulporganisatie
11:37
information to answer this question.
256
681299
3480
om deze vraag te beantwoorden.
11:40
By implementing a superior process, what was otherwise
257
684779
2415
Door de uitvoering van een superieur proces
11:43
a task for 40 people over three months became
258
687194
2608
werd een taak voor 40 personen
en drie maanden gecomprimeerd
en drie maanden gecomprimeerd
11:45
a simple job for three people in 40 hours,
259
689802
3176
tot een eenvoudige taak
voor drie mensen in 40 uur,
voor drie mensen in 40 uur,
11:48
all victories for human-computer symbiosis.
260
692978
2628
allemaal overwinningen
voor de mens-computersymbiose.
voor de mens-computersymbiose.
11:51
We're more than 50 years into Licklider's vision
261
695606
2054
We zijn meer dan 50 jaar ver in Lickliders visie
11:53
for the future, and the data suggests that we should be
262
697660
2242
voor de toekomst,
en de gegevens suggereren dat
en de gegevens suggereren dat
11:55
quite excited about tackling this century's hardest problems,
263
699902
3030
we met veel enthousiasme de moeilijkste problemen van deze eeuw moeten aanpakken
11:58
man and machine in cooperation together.
264
702932
2947
door samenwerking van mens en machine.
12:01
Thank you. (Applause)
265
705879
2197
Bedankt. (Applaus)
12:03
(Applause)
266
708076
2505
(Applaus)
ABOUT THE SPEAKER
Shyam Sankar - Data Intelligence AgentAn advocate of human-computer symbiosis, Shyam Sankar looks for clues in big and disparate data sets.
Why you should listen
Shyam Sankar is a Director at Palantir Technologies, a secretive Silicon Valley company where he oversees deployments of the company's core technology, which helps law enforcement teams and corporations analyze giant, unrelated databases for clues to potential ... anything. Palantir technologies has been used to find missing children, to detect banking fraud, and to uncover the Shadow Network, a cyber-spy ring that stooped so low as to hack the Dalai Lama's email.
As part of his work, Sankar thinks deeply about the place where human and machine intelligence meet. While artificial intelligence (AI) is the dominant paradigm, he is an advocate of JCR Licklider's "intelligence augmentation" (IA) approach, where algorithms and brains work together to solve problems.
Shyam Sankar | Speaker | TED.com